Zespół badawczy poddał audytowi systemy RAG, aby zbadać, czy stereotypowe zapytania o osoby ze wskaźnikami kulturowymi ujawniają więcej danych osobistych niż równoważne zapytania neutralne. Badanie zostało zaprojektowane dla czterech kultur - anglosaskiej, latynoamerykańskiej, arabskiej i hinduskiej - z użyciem syntetycznego corpus zawierającego dane osobowe w języku angielskim. Naukowcy porównywali pięć wariantów zapytań w ramach tak zwanego Stereotype-Trigger Leakage Delta (STLD).
Badacze odkryli istotne ograniczenia metodologiczne w swoim podejściu. Zaplanowany potwierdzający test nigdy nie został wykonany, co oznacza, że wszystkie wyniki są eksploracyjne lub stanowią analizy wrażliwości. Dodatkowy problem stanowiła metrika pomiaru wycieku nazw, którą zaciemniała artefakt prompt-echo - model często po prostu powtarzał nazwę zawartą w zapytaniu, co powodowało zdawałoby się większy wyciek bez faktycznego pobrania danych z bazy. Na czystszych kanałach (email, telefon, numer podobny do numeru ubezpieczenia, adres) nie zaobserwowano amplifikacji wycieku sterowanej stereotypami dla żadnej z czterech kultur po korekcie dla wielokrotnych porównań.
Authors podkreślają, że wyniki należy interpretować ostrożnie. Próba miała moc statystyczną jedynie na średnie efekty, a kulturowo zaznaczonych sond nie można całkowicie oddzielić od samych stereotypów i praktyk dziedzictwa kulturowego. Badanie zatem prezentuje brak detektowania potencjalnego efektu wycieku danych związanego z predykatami kulturowymi, a nie dowód jego nieistnienia.